489 resultados para Acoplamento bilinear
Resumo:
Tese de doutoramento, Farmácia (Química Farmacêutica e Terapêutica), Universidade de Lisboa, Faculdade de Farmácia, 2014
Resumo:
Tese de doutoramento, Farmácia (Química Farmacêutica e Terapêutica), Universidade de Lisboa, Faculdade de Farmácia, 2014
Resumo:
Tese de doutoramento, Ciências Geofísicas e da Geoinformação (Geofisíca), Universidade de Lisboa, Faculdade de Ciências, 2014
Resumo:
Tese de mestrado, Neurociências, Faculdade de Medicina, Universidade de Lisboa, 2014
Resumo:
Tese de mestrado, Neurociências, Faculdade de Medicina, Universidade de Lisboa, 2016
Resumo:
A destilação é o principal processo de separação usado nas indústrias químicas para separação de misturas líquidas, e apesar de ser um processo muito intensivo energeticamente continua hoje em dia a ser o processo de separação preferencial. O largo impacto dos processos de destilação nos custos de investimento e operação tem impulsionado o desenvolvimento de sistemas complexos de destilação, cuja principal finalidade consiste na otimização energética do processo de separação. No âmbito do estudo da utilização de colunas de elevada eficiência energética para separações multicomponente através da simulação de processos, o presente trabalho foca-se na compreensão, análise e avaliação da Coluna de Petlyuk, sistema de colunas com acoplamento térmico integral (FTCDC), inicialmente introduzida na década de 1940, com um reportado potencial para poupanças energéticas até cerca de 30% relativamente ao sistema tradicional. Para a simulação dos sistemas em estudo foi usado o software de simulação de processos HYSYS, cuja aplicação é desenvolvida e analisada no decurso deste trabalho, o qual é dividido em três partes principais: implementação dos processos em HYSYS para simulação rigorosa em modo de estado estacionário, otimização e simulação dinâmica e controlo. A primeira parte diz respeito ao design dos sistemas e âmbito de aplicação do HYSYS nesta etapa. Através do estudo da separação de mistura ternária equimolar de isómeros de butanol, é apresentado um procedimento de implementação do sistema FTCDC e avaliados os resultados de simulação rigorosa fazendo a sua comparação com os resultados obtidos para o sistema tradicional. A segunda parte é dedicada à otimização de ambos os sistemas, FTCDC e tradicional, cujos estudos se baseiam na simulação em estado estacionário. O elevado número de variáveis de design do sistema FTCDC pode conduzir a tedioso e moroso trabalho de simulação. Neste trabalho são aplicadas metodologias de desenho de experiências na otimização do sistema FTCDC, as quais permitiram uma significativa redução o número de simulações a executar, sendo o procedimento de otimização, baseado no procedimento de desenhos de experiências, desenvolvido ao longo desta parte. Os resultados de otimização de ambos os sistemas são avaliados e comparados. A última parte deste trabalho debruça-se sobre o tema da operabilidade dos sistemas, avaliada através da simulação dinâmica dos mesmos e avaliação da estrutura de controlo implementada. A simulação dinâmica de processos, baseada em modelos dinâmicos, permite melhorar o seu design, otimização e operação, cujos resultados traduzirão de uma forma mais realística o desempenho do processo desenhado, uma vez que estes nunca se encontram num verdadeiro estado estacionário. Nesta parte é apresentado o procedimento de implementação da simulação dinâmica de ambos os sistemas, no qual se inclui a definição da configuração de controlo para cada um destes. Através dos resultados de simulação dinâmica de ambos os sistemas é avaliado o seu design e respetiva estrutura de controlo.
Resumo:
Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Química e Biológica
Resumo:
Dissertação Final de Mestrado para obtenção do grau de Mestre em Engenharia Civil no Ramo de Edificações
Resumo:
Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Mecânica
Resumo:
Trabalho Final de Mestrado para obtenção do grau de mestre em Engenharia Química e Biológica
Reabilitação de edifícios com novas tendências NZEB: caso de estudo: edifício de serviços em Setúbal
Resumo:
Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Civil
Resumo:
Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia de Electrónica e Telecomunicações
Resumo:
An experimental and numerical investigation into the shear strength behaviour of adhesive single lap joints (SLJs) was carried out in order to understand the effect of temperature on the joint strength. The adherend material used for the experimental tests was an aluminium alloy in the form of thin sheets, and the adhesive used was a high-strength high temperature epoxy. Tensile tests as a function of temperature were performed and numerical predictions based on the use of a bilinear cohesive damage model were obtained. It is shown that at temperatures below Tg, the lap shear strength of SLJs increased, while at temperatures above Tg, a drastic drop in the lap shear strength was observed. Comparison between the experimental and numerical maximum loads representing the strength of the joints shows a reasonably good agreement.
Resumo:
Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Mecânica
Resumo:
L’apprentissage supervisé de réseaux hiérarchiques à grande échelle connaît présentement un succès fulgurant. Malgré cette effervescence, l’apprentissage non-supervisé représente toujours, selon plusieurs chercheurs, un élément clé de l’Intelligence Artificielle, où les agents doivent apprendre à partir d’un nombre potentiellement limité de données. Cette thèse s’inscrit dans cette pensée et aborde divers sujets de recherche liés au problème d’estimation de densité par l’entremise des machines de Boltzmann (BM), modèles graphiques probabilistes au coeur de l’apprentissage profond. Nos contributions touchent les domaines de l’échantillonnage, l’estimation de fonctions de partition, l’optimisation ainsi que l’apprentissage de représentations invariantes. Cette thèse débute par l’exposition d’un nouvel algorithme d'échantillonnage adaptatif, qui ajuste (de fa ̧con automatique) la température des chaînes de Markov sous simulation, afin de maintenir une vitesse de convergence élevée tout au long de l’apprentissage. Lorsqu’utilisé dans le contexte de l’apprentissage par maximum de vraisemblance stochastique (SML), notre algorithme engendre une robustesse accrue face à la sélection du taux d’apprentissage, ainsi qu’une meilleure vitesse de convergence. Nos résultats sont présent ́es dans le domaine des BMs, mais la méthode est générale et applicable à l’apprentissage de tout modèle probabiliste exploitant l’échantillonnage par chaînes de Markov. Tandis que le gradient du maximum de vraisemblance peut-être approximé par échantillonnage, l’évaluation de la log-vraisemblance nécessite un estimé de la fonction de partition. Contrairement aux approches traditionnelles qui considèrent un modèle donné comme une boîte noire, nous proposons plutôt d’exploiter la dynamique de l’apprentissage en estimant les changements successifs de log-partition encourus à chaque mise à jour des paramètres. Le problème d’estimation est reformulé comme un problème d’inférence similaire au filtre de Kalman, mais sur un graphe bi-dimensionnel, où les dimensions correspondent aux axes du temps et au paramètre de température. Sur le thème de l’optimisation, nous présentons également un algorithme permettant d’appliquer, de manière efficace, le gradient naturel à des machines de Boltzmann comportant des milliers d’unités. Jusqu’à présent, son adoption était limitée par son haut coût computationel ainsi que sa demande en mémoire. Notre algorithme, Metric-Free Natural Gradient (MFNG), permet d’éviter le calcul explicite de la matrice d’information de Fisher (et son inverse) en exploitant un solveur linéaire combiné à un produit matrice-vecteur efficace. L’algorithme est prometteur: en terme du nombre d’évaluations de fonctions, MFNG converge plus rapidement que SML. Son implémentation demeure malheureusement inefficace en temps de calcul. Ces travaux explorent également les mécanismes sous-jacents à l’apprentissage de représentations invariantes. À cette fin, nous utilisons la famille de machines de Boltzmann restreintes “spike & slab” (ssRBM), que nous modifions afin de pouvoir modéliser des distributions binaires et parcimonieuses. Les variables latentes binaires de la ssRBM peuvent être rendues invariantes à un sous-espace vectoriel, en associant à chacune d’elles, un vecteur de variables latentes continues (dénommées “slabs”). Ceci se traduit par une invariance accrue au niveau de la représentation et un meilleur taux de classification lorsque peu de données étiquetées sont disponibles. Nous terminons cette thèse sur un sujet ambitieux: l’apprentissage de représentations pouvant séparer les facteurs de variations présents dans le signal d’entrée. Nous proposons une solution à base de ssRBM bilinéaire (avec deux groupes de facteurs latents) et formulons le problème comme l’un de “pooling” dans des sous-espaces vectoriels complémentaires.